改进的卷积神经网络在行人检测中的应用.docVIP

改进的卷积神经网络在行人检测中的应用.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
改进的卷积神经网络在行人检测中的应用

改进的卷积神经网络在行人检测中的应用 谢林江 季桂树 彭清 罗恩韬 中南大学信息科学与工程学院 X 关注成功! 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知! 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要: 针对当前行人检测方法计算量大、行人特征提取复杂、检测结果易受复杂背景影响等问题, 提出一种改进的卷积神经网络模型 (Convolutional Neural Net Work, CNN) 。该模型在传统CNN基础上加入选择性注意层, 模拟人眼的选择性注意功能, 过滤复杂背景, 突出行人特征。分别采用LBP纹理处理和梯度处理作为选择性注意层运算进行训练, 对比训练结果得到最优模型。分别在INRIA、NICTA和Daimler行人数据集上进行试验, 结果表明, 该模型在行人检测中准确率明显优于传统CNN、HOG+SVM、Haar+SVM、PCA+SVM, 在INRIA、NICTA和Daimler行人数据集上的准确率分别达到了96.14%、96.64%和99.78%。 关键词: 行人检测; 深度学习; 卷积神经网络; 选择性注意; 作者简介:谢林江 (1991—) , 男, 湖南衡阳人, 中南大学硕士研究生, CCF学生会员, 主要研究领域为图像识别, 深度学习。 作者简介:季桂树 (1960—) , 男, 辽宁喀左人, 现为中南大学副教授, 主要研究领域为医学图像识别、计算机网络。 作者简介:彭清 (1992—) , 男, 湖南张家界人, 中南大学硕士研究生, CCF学生会员, 主要研究领域为图像识别, 深度学习。 作者简介:罗恩韬 (1978—) , 男, 湖南省永州市人, 现为中南大学信息与工程学院博士研究生, 湖南科技学院副教授, 研究方向:深度学习, 大数据、云计算。 作者简介:LUO Entao was born in 1978. He is currently a Ph D student of School Computer Science and Technology from School of Information Science and Engineering, Central South University. He research interests include deep learning, big data and cloud computing. 基金:The National Natural Science Foundation of China under Grant No s(国家自然科学基金) Application of Preprocessing Convolutional Neural Network in Pedestrian Detection XIE Linjiang JI Guishu+ PENG Qing LUO Entao School of Information Science and Engineering, Central South University; Abstract: In order to solve the problems of large computational complexity, complicated pedestrian feature extraction and complex background influence, a modified convolutional neural network model is proposed. Based on the traditional cnn algorithm, a selective attention layer is added to this model to simulate the selective attention feature of humans eyes, which is able to filter the complex background and highlight the characteristics of pedestrians. LBP texture processing and gradient processing are used to train the selective attention layer, and the optimal model is obtained by comparing the training results. Experiments were cond

文档评论(0)

pengyou2017 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档